Выявили 10+ проблем чат‑бота, из‑за которых отток клиентов рос х2

Привет! Уже 17 лет моя жизнь тесно связана с контакт-центрами в РФ и странах СНГ. А последние 4 года я каждый день анализирую их работу и вижу, что компании стали чаще терять клиентов из-за бездумного внедрения ИИ — точнее, из-за плохо контролируемых результатов этого внедрения.

Хочу поделиться таким кейсом: как мы обнаружили, что из-за некорректной работы чат-бота отток клиентов в банке удваивался каждый месяц — и что с этим можно было сделать.

Системную проблему удалось увидеть только с помощью операционного анализа. Поэтому сначала я разберу, почему такая процедура становится необходимостью (спойлер: это связано с тем, как устроены команды контакт-центров).

Контролеры качества в контакт-центрах — часто выходцы из операторов: они отлично знают стандарты обслуживания, но почти не работают с инструментами бизнес-аналитики и анализа клиентского пути. И нередко обучаются с большим трудом.

С другой стороны, если анализом занимаются, все-таки аналитики, то они хорошо знают программы и методы анализа, но плохо понимают нужды контактного центра. Чтобы они могли принести реальную пользу бизнесу, им нужно еще минимум полгода–год погружаться в процессы.

Получается ситуация — контакт-центры внедряют речевую аналитику, потому что без нее невозможно оптимизировать работу, но по итогу не знают, что им делать с этим инструментом:

Операционный анализ это когда компания передает записи звонков или чат-ботов — словом, любые коммуникации с клиентом — на анализ, а в ответ получает стратегию развития контакт-центра на год и более.

Чем больше инсайтов находится по результатам речевой аналитики, тем больше путей оптимизации появится у контакт-центра.

Вот как это происходит:

А теперь к нашему кейсу, на котором посмотрим, что может вскрыть операционный анализ.

Как-то раз мы проводили операционный анализ чат-бота стороннего вендора. Как говорится, ответ убил…

Оказалось, из-за его некорректной работы отпала почти половина потенциальных клиентов для кредитования. А еще в геометрической прогрессии росло число тех, кто просто отказывался от услуг банка: в мае было 110 обращений с расторжением договора, в июне 230, в июле уже 233 за полмесяца. Не говоря о том, что более половины случаев общения с ботом приводили и так раздраженного клиента в бешенство. И вот почему.

Когда клиент писал, что хочет оформить кредит, бот отвечал: «у вас нет активного предложения». В итоге, в 47% случаев клиент просто уходил с формулировкой в духе «тогда не буду пользоваться вашим банком». Это потеря на ровном месте: конечно, лучшая практика для банка — «брать быка за рога», когда клиент сам спрашивает об услуге.

На вопросы о статусе изготовления карты бот только присылал номер горячей линии — по которой люди не могли дозвониться, так как она работала с 9 до 18. К тому же, часть клиентов не обращалась туда из-за платного звонка. Бот же не понимал их повторных запросов и только дублировал автоматические отбивки с номером. В итоге, в 60% таких случаев клиенты заявляли, что обслуживание им уже не нужно: они расторгают договор и отказываются от получения карты. При этом, узнать статус изготовления карты это простая операция, которая не требует серьезной идентификации — бот мог бы сам проверять активные заявки и давать актуальную информацию.

Продолжая эпопею с горячей линией: дозвониться туда действительно было сложно, и большой процент негатива был связан как раз с этим. Когда же клиент писал в чат с просьбой перезвонить или хоть как-то достучаться до оператора, то бот просто игнорировал запрос — на это жаловались 54% пользователей. Был случай, когда клиент звал оператора 8 раз! Но такой сценарий не предусмотрели, и оператор так и не подключился.

Каждый месяц было около 5,5 тысяч обращений, где бот отвечал: «Я вас не понял, задайте вопрос ещё раз» или просил писать короткими фразами. Пользователи уже прямо писали: «Научите бота читать». Фактически, клиенты сами указывали, где у бота недоработки. Эти диалоги можно и нужно использовать, чтобы дообучать бота на конкретных тематиках при помощи клиентских формулировок.

Бот в основном помнил только две-три последние фразы клиента, и в 55% случаев быстро терял контекст и не доводил сессию до конца. Это сильно раздражало клиентов.

Было сразу несколько казусов, которые повторялись из раза в раз и приводили клиентов в бешенство.

Фразы клиентов об уходе из банка часто игнорировались. Бывали даже случаи, когда клиент пишет: «Зарплатный проект тоже переведу в другой банк!», а бот отвечает «Если вас интересуют переводы в рублях, рекомендую воспользоваться…». По лучшим практикам контакт-центров, если есть риск потерять клиента, автоматически должен подключаться оператор, или, по крайней мере, должен быстро отреагировать отдел сохранения клиентов.

Были случаи, когда клиенту удавалось связаться с оператором только после восьмого требования: «Свяжи с оператором!!!» По стандартам, если клиент 1-2 раза попросил подключить оператора, его уже должны перевести на живого специалиста.

Клиент писал «старт», «старт», «старт», а бот молчал. Это повторялось регулярно: в одном месяце 26% обращений оставались без ответа, в другом — 29%. То есть иногда чат-бот просто переставал работать, а компания даже не подозревала об этом.

Вот сколько всего можно выявить с помощью операционного анализа — даже тогда, когда заказчик и не подозревает о проблемах.

Дело в том, что данный партнер внедрил чат-бота для автоматизации части обращений, но не учел, что каждый канал взаимодействия с клиентом нужно строго контролировать, проверять гипотезы — а лучше всего, исследовать весь путь клиента, думая о его удобстве. Партнер сосредоточился на голосовых коммуникациях и не уделял чат-боту должного внимания, полагая, что искусственный интеллект и так достаточно умный.

По итогам анализа мы разработали годовую стратегию развития с конкретными сроками и техническими рекомендациями: какие новые сценарии внедрить в бота, какие старые протестировать повторно, что исправить.

Наша команда состоит из экспертов высокого класса, с опытом работы в крупных контакт-центрах — Сбер, Билайн, Газпромбанк — мы знаем реальные боли наши партнеров и даем рабочие рекомендации для улучшений. К тому же, мы часто взаимодействуем с топовыми, ведущими контакт-центрами РФ и стран СНГ — например, в октябре посетили крупнейший контакт-центр Т2 — и поэтому отталкиваемся от лучших практик, которые работают сегодня.

Со временем сделаем часть 2, где расскажем, сработали ли наши гипотезы по улучшению бота. А если вы тоже хотите выявить скрытые проблемы своего клиентского обслуживания или проверить, что можно улучшить, — пишите нам!